본 논문은 기존의 자기회귀 언어 모델의 한계를 극복하고 병렬 생성 능력과 편집 가능성을 갖춘 확산 기반 언어 모델의 장점을 활용하는 새로운 방법을 제시합니다. 기존 확산 기반 모델의 고정 길이 생성 및 제한된 제어 기능이라는 문제점을 해결하기 위해, 강화 학습을 이용하여 각 생성 블록의 크기를 동적으로 결정하는 CtrlDiff라는 새로운 반자기회귀 프레임워크를 제안합니다. 또한, 분류기 기반 제어 메커니즘을 도입하여 계산 비용을 줄이고 재훈련 없이 효율적인 사후 조건화를 가능하게 합니다. 실험 결과, CtrlDiff는 기존 하이브리드 확산 모델의 성능을 능가하고 최첨단 자기회귀 모델과의 성능 차이를 줄이며 다양한 작업에서 효과적인 조건부 텍스트 생성을 가능하게 함을 보여줍니다.
